基于動態(tài)神經(jīng)模糊模型的欠驅(qū)動水面船舶運(yùn)動控制.pdf

1、大多數(shù)水面船舶僅依靠螺旋槳主推進(jìn)器產(chǎn)生的縱向推進(jìn)力和舵裝置產(chǎn)生的轉(zhuǎn)船力矩兩個控制量，同時控制船舶水平面位置和航向3個自由度的運(yùn)動，構(gòu)成了一種頗具難度的欠驅(qū)動復(fù)雜系統(tǒng)控制問題。欠驅(qū)動水面船舶（USV）動態(tài)具有大慣性、大時滯、非線性等特點，并且受模型參數(shù)攝動，風(fēng)、浪、流等環(huán)境干擾以及量測信息不精確等因素的影響，使得USV的運(yùn)動控制存在固有的不確定性。常規(guī)線性或非線性控制算法通常難以獲得綜合優(yōu)化控制性能。因此，研究USV運(yùn)動的建模與控制問題，

2、探討新型智能控制算法，具有重要的理論意義和應(yīng)用價值。
　　 （1）本文提出一種動態(tài)神經(jīng)模糊模型（DNFM），用于逼近船舶的逆動力學(xué)特性。DNFM在學(xué)習(xí)中同時調(diào)整自身結(jié)構(gòu)和參數(shù)，并能夠自動劃分輸入空間、確定隸屬函數(shù)的數(shù)量和模糊規(guī)則數(shù)，且無須專家知識就可實現(xiàn)自動建模。
　　 （2）將DNFM與經(jīng)典PID控制相結(jié)合，提出具有離線與在線學(xué)習(xí)兩種模式的控制器DNFPIDC，用于不確定條件下的船舶航向控制。仿真結(jié)果表明DNFM學(xué)習(xí)速

3、度較快，逼近效果良好，適用于船舶航向的實時控制。
　　 （3）將DNFPIDC的設(shè)計思路擴(kuò)展到USV的運(yùn)動控制問題，采用兩個DNFM與一個非線性控制器NC相結(jié)合的方式，提出一種DNFNC控制算法，用于USV的航跡跟蹤控制。并給出了跟蹤誤差的收斂性證明。仿真結(jié)果驗證了DNFNC的可行性和有效性。
　　 （4）將DNFM擴(kuò)展為廣義的GDNFM，并在其基礎(chǔ)上提出一種自適應(yīng)控制算法DNFAC，用于USV的航跡跟蹤控制問題。且給出